机构名称：
¥ 1.0
机器学习 (ML) 研究在过去十年中取得了令人瞩目的成就，这证实了这样一个论点：只要有足够的计算能力和规模，几乎任何类型的任务都可以通过数据的统计相关性成功完成 [1、2、3、4]。然而，利用这种类型的计算似乎不足以解决人工智能 (AI) 研究仍然面临的两个障碍：（i）功能性：当前的 ML 模型缺乏实现抽象和概括的能力，例如，在不熟悉的环境中对图像进行分类，或者对分布外的数据进行预测 [5、6、7]；（ii）技术性：ML 模型通常需要大量数据进行训练并消耗大量能量 [8]。在本文中，我们支持这样的主张，即通过利用我们掌握的关于大脑的知识，作为高效智能机器存在的证明，我们可以为 ML 提供洞察力
预测：神经科学与机器学习交汇的算法原理
主要关键词
相关文件推荐
